Analisis Regresi & Korelasi

Statistika

Muhammad Riza, Ph.D

Regresi vs Korelasi
Regresi vs Korelasi
Analisis Regresi
2 variabel:
Variabel bebas / independen (yang mempengaruhi)
 Nilai prediktor ditulis pada sumbu X (sumbu horizontal)
Variabel tak bebas / dependen (yang dipengaruhi)
 Nilai terikat ditulis pada sumbu Y (sumbu vertikal)

Variabel tak bebas (Y) dalam penelitian merupakan respon

(outcome) yang diukur akibat perlakuan dari variabel bebas (X)

CONTOH
Umur vs Tinggi Tanaman (X: Umur; Y: Tinggi)
Biaya Promosi vs Volume Penjualan (X: Biaya; Y: Volume)
Variabel Bebas vs Tak Bebas
CONTOH
Regresi Linear
Persamaan Regresi
 memungkinkan peramalan nilai suatu variabel
tak bebas (Y) dari nilai variabel bebas (X)

Garis Regresi
 Garis linear yang menunjukkan pola hubungan
antara dua variabel, misalnya variabel X dan Y
 Sebenarnya hanya garis taksiran yang dipakai
untuk mewakili pola sebaran data tersebut
Tujuan Regresi Linear
Untuk melihat hubungan linear antara 2 variabel atau
lebih
Garis Regresi Linier
dengan persamaan

y = a + bx

dimana:
a = konstanta
b = koefisiensi regresi
Persamaan Regresi Linear
Persamaan umum:
Y = a + bX
Rumus untuk menentukan persamaan garis regresi:
Contoh Kasus 1
Berikut adalah data biaya promosi dan volume penjualan roti.
Tentukan persamaan garis regresi dari data berikut!
X = biaya promosi (juta rupiah)
Y = volume penjualan (ratusan potong roti)

Tahun X Y
1992 2 5
1993 4 6
1994 5 8
1995 7 10
1996 8 11
n=5 ∑x = 26 ∑y = 40
Contoh Kasus 1

Tahun X Y X2 Y2 XY

1992 2 5 4 25 10

1993 4 6 16 36 24

1994 5 8 25 64 40

1995 7 10 49 100 70

1996 8 11 64 121 88

n=5 ∑x = 26 ∑y = 40 ∑x2 = 158 ∑y2 = 346 ∑xy = 232

Contoh Kasus 1
JAWAB:
Bentuk umum persamaan regresi linear sederhana:
Y = a + bX
n=5
Contoh Kasus 2
Peramalan dengan Persamaan Regresi:

Y = 2,530 + 1,053 X

Dari persamaan regresi linear tersebut, bila biaya promosi 10 juta, berapa
volume penjualannya?

Y = 2,530 + 1,053 X
X = 10
Y = 2,53 + 1,053 (10) = 2,53 + 10,53 = 13,06 (ratusan juta kue)

Volume penjualan = 13,06 x 100 kue

Contoh Kasus 2
Tahun X Y Y = 2,530 + 1,053 X

1992 2 5 4,636

1993 4 6 6,742

1994 5 8 7,795

1995 7 10 9,901

1996 8 11 10,954

10 13,06

n=5 ∑x = 26 ∑y = 40
End of Session 1
Analisis Regresi & Korelasi
Statistika

Muhammad Riza, Ph.D

Korelasi
Korelasi (r) atau koefisien korelasi
 Menyatakan tingkat keeratan atau seberapa kuat hubungan
antara dua variabel = ukuran hubungan dua variabel

Nilai r berkisar antara (-1) hingga (+1)

Nilai r yang (+) ditandai oleh nilai kovarians yang (+)

Nilai r yang (-) ditandai oleh nilai kovarians yang (-)

Jika nilai r mendekati (-1) atau (+1), maka X dan Y memiliki

korelasi linear yang tinggi
Jika nilai r = -1 atau r = +1, maka X dan Y memiliki korelasi
linear sempurna
Jika nilai r = 0, maka X dan Y tidak memiliki relasi linear
Korelasi Positif
Koefisien relasi (X dan Y) mempunyai hubungan positif
16

14

12

10

0 1 2 3 4 5 6 7 8 9 10 11 12 13
Korelasi Negatif
Koefisien relasi (X dan Y) mempunyai hubungan negatif

16

14

12

10

0
0 1 2 3 4 5 6 7 8 9 10 11 12 13
Tidak Berkorelasi
Koefisien relasi (X dan Y) tidak mempunyai hubungan
atau hubungan lemah sekali
Y Y

atau

0 X 0 X
Koefisien Korelasi
Derajat hubungan antara x dan y dinyatakan

• r bergantung b
• r bernilai (-) berhubungan
terbalik
• r2 = koefisien determinasi
sumbangan variabel
terikat terhadap variabel
bebas
Koefisien Determinasi
X dikatakan mempengaruhi Y, jika berubahnya nilai X akan
menyebabkan perubahan nilai Y
Akan tetapi, naik-turunnya Y adalah sedemikian rupa sehingga
nilai Y bervariasi, tidak semata-mata disebabkan oleh X, karena
masih ada faktor lain yang menyebabkannya
Jadi untuk mengetahui berapa besar kontribusi dari X terhadap
naik-turunnya nilai Y, maka harus dihitung dengan koefisien
penentuan (koefisien determinasi)

Koefisien Determinasi = r2
Contoh Kasus 3
Diketahui suatu penelitian terhadap hubungan antara nilai biaya
periklanan dengan tingkat penjualan dari sebuah koperasi adalah
sebagai berikut. (dalam ribuan rupiah)
No Biaya periklanan Tingkat Penjualan
1 50 40
2 51 46
3 52 44
4 53 55
5 54 49

a) Tentukan persamaan regresinya!

b) Berapa besarnya koefisien korelasi dan koefisien
determinasinya?
Contoh Kasus 3
No X Y XY X2 Y2

1 50 40 2000 2500 1600

2 51 46 2346 2601 2116

3 52 44 2288 2704 1936

4 53 55 2915 2809 3025

5 54 49 2646 2916 2401

Total 260 234 12195 13530 11078

Menentukan koefisien a dan koefisien b

Persamaan regresi linier

sederhana:
Y = a + b (X)
Y = -93,6 + 2,7 (X)
Contoh Kasus 3
Menentukan koefisien korelasi dan koefisien determinasinya.
Review
Berikut ini data mengenai pengalaman kerja dan
penjualan
X = pengalaman kerja (tahun)
Y = omzet penjualan (ribuan)

X 2 3 2 5 6 1 4 1
Y 5 8 8 7 11 3 10 4

1. Tentukan nilai a dan b!

2. Buatkan persamaan regresinya!
3. Berapa omzet penjualan dari seorang karyawan yang
pengalaman kerjanya 3,5 tahun?
Review
Suatu penelitian yang bertujuan untuk menentukan
hubungan antara energi listrik dengan waktu yang diperoleh
data sbb:
No Waktu (jam) Daya (Joule)

1 1 10

2 2 25

3 3 30

4 4 40

1. Tentukan persamaan regresi linearnya!

2. Seberapa besarkah pengaruh waktu terhadap daya?
End of Session 2
 Sebagai contoh misalnya titik A (1,3) dan titik B ($,9) maka persamaan garis linear

P ersamaan Garis Linear

Dalam bentuk matrik bisa kita buat persaman sebagai berikut:

http://ppg.spada.ristekdikti.go.id/maste
r/mod/url/view.php?id=7377
atrix Regresi Linear

Jadi a=1 dan b=2 sehingga persamaannya Y=1 +2X